Como desenvolvi um sistema completo de automação para gerenciamento de solicitações DevOps utilizando bot Telegram, Inteligência Artificial e uma plataforma web moderna.
Introdução#
Este artigo apresenta meu primeiro projeto utilizando Inteligência Artificial de forma prática e aplicada. A solução nasceu da combinação entre o aprendizado obtido no curso da Alura, uma necessidade real de automação e organização de tarefas, e muita curiosidade sobre o desenvolvimento de bots.
O Problema#
Em ambientes de DevOps, é comum que clientes e usuários reportem problemas através de diversos canais de comunicação, como grupos do Telegram. Essas solicitações podem incluir:
Servidores fora do ar
Pods quebrados no Kubernetes
Problemas de infraestrutura na AWS
Questões relacionadas a recursos computacionais (CPU, memória)
O desafio estava em centralizar, organizar e gerenciar essas solicitações de forma eficiente, garantindo que nenhuma demanda fosse perdida e que o time de DevOps tivesse visibilidade completa das tarefas pendentes.
A Solução Proposta#
Desenvolvi um sistema completo e desacoplado que automatiza todo o fluxo de trabalho:
Captura: Bot do Telegram monitora mensagens em grupos específicos
Processamento: IA da OpenAI interpreta a mensagem e extrai informações relevantes
Armazenamento: Backend processa e armazena as tarefas no banco de dados
Visualização: Plataforma web exibe as tarefas de forma organizada para o time
Arquitetura Desacoplada#
Um dos principais diferenciais do projeto é sua arquitetura modular e independente. Isso significa que:
O bot pode ser substituído por outro (Discord, Slack, WhatsApp) sem afetar o sistema
A IA pode ser trocada (Claude, Gemini, modelos locais) mantendo a funcionalidade
O backend é independente e pode ser consumido por diferentes frontends
Cada componente pode evoluir separadamente
Funcionalidades Principais#
Bot de Telegram#
Desenvolvido em Python
Monitora mensagens em tempo real
Identifica solicitações de suporte
Envia confirmação automática ao usuário
Integração com OpenAI#
Interpretação inteligente de mensagens
Extração de informações-chave (tipo de problema, urgência, recursos afetados)
Geração de respostas contextualizadas para o cliente
Criação automática de descrições estruturadas para o time de DevOps
Sistema de Logs e Monitoramento#
Tokenizer para controle de consumo da API
Logs detalhados de todas as interações
Métricas de uso e performance
Gestão de Banco de Dados#
ORM Django para manipulação eficiente dos dados
Estrutura relacional otimizada
Histórico completo de solicitações
Plataforma Web#
Interface moderna e responsiva
Dashboard com métricas (Total de Tarefas, Em Progresso, Concluídas)
Visualização detalhada de cada tarefa
Sistema de tags e categorização
Filtros e busca avançada
Stack Tecnológica#
Backend#
Python: Linguagem principal para o bot e lógica de negócio
Django: Framework web e ORM para gestão do banco de dados
PostgreSQL: Banco de dados relacional robusto e escalável
Frontend#
Next.js: Framework React para aplicações web modernas
TypeScript: Tipagem estática para código mais seguro
Tailwind CSS: Framework CSS utilitário para design responsivo
Inteligência Artificial#
- OpenAI API: Processamento de linguagem natural e geração de respostas
Infraestrutura#
Telegram Bot API: Integração com o Telegram
RESTful API: Comunicação entre componentes
Ferramentas de Desenvolvimento#
PyCharm: IDE para desenvolvimento Python
DataGrip: Gerenciamento e visualização do banco de dados
WebStorm: IDE para desenvolvimento frontend
Fluxo de Funcionamento#
1. Recebimento da Solicitação#
Quando um cliente envia uma mensagem no grupo do Telegram:
"Oi pessoal,
Estamos com um problema aqui e precisamos de ajuda. O sistema caiu há
uns 20 minutos e não está voltando. Os usuários estão reclamando que
não conseguem acessar a plataforma.
Vocês conseguem verificar o que está acontecendo? Pode ser algo
relacionado ao Kubernetes? Os pods estão rodando normalmente? E
quanto aos recursos na AWS - será que estourou algum limite de CPU
ou memória nas instâncias?
Precisamos que isso volte o mais rápido possível. Vocês têm alguma
ideia do que pode estar acontecendo?
Obrigado!"
2. Processamento pelo Bot#
O bot captura a mensagem e envia para a API da OpenAI, que:
Identifica que é uma solicitação de suporte
Extrai informações relevantes (problema: sistema fora do ar, possível causa: Kubernetes/AWS)
Classifica a urgência (alta, devido ao impacto nos usuários)
Gera uma resposta para o cliente
3. Resposta Automática#
O bot responde imediatamente:
"Olá! Recebemos sua solicitação e estamos verificando o ocorrido.
Agradecemos a sua paciência e entraremos em contato em breve com
mais informações."
4. Criação da Tarefa#
O sistema cria automaticamente uma tarefa estruturada:
- \[Incidente\]
- Problema de queda do sistema com possíveis impactos em Kubernetes e recursos AWS
Descrição: Investigar queda do sistema e analisar possíveis problemas no Kubernetes e recursos na AWS em relação a limites de CPU e memória
Cliente: Infra EmpresaABC
Tags: #infra #aws #kubernetes
Status: Estimativa → Complexo
Data de Criação: 22/01/2026
5. Visualização na Plataforma#
O time de DevOps acessa a plataforma web e visualiza:
Dashboard com todas as tarefas
Detalhes completos da solicitação
Histórico de interações
Possibilidade de atualizar status e adicionar comentários
Benefícios da Solução#
Para o Cliente#
Resposta imediata e automática
Confirmação de que a solicitação foi recebida
Transparência no processo
Para o Time de DevOps#
Centralização de todas as solicitações
Organização e priorização facilitadas
Redução de tarefas perdidas ou esquecidas
Histórico completo de atendimentos
Métricas e indicadores de performance
Para a Organização#
Automação de processos manuais
Redução de tempo de resposta
Melhoria na qualidade do atendimento
Dados estruturados para análise e melhoria contínua
Desafios e Aprendizados#
Integração com APIs#
Trabalhar com a API da OpenAI exigiu compreensão profunda de:
Gerenciamento de tokens
Otimização de prompts
Tratamento de erros e fallbacks
Controle de custos
Arquitetura Desacoplada#
Projetar um sistema modular desde o início foi fundamental para:
Facilitar manutenção
Permitir evolução independente dos componentes
Possibilitar testes isolados
Garantir escalabilidade
Processamento de Linguagem Natural#
Criar prompts eficientes para extrair informações relevantes das mensagens foi um processo iterativo de:
Testes com diferentes cenários
Ajustes nos prompts
Validação da qualidade das respostas
Considerações Finais#
Este projeto foi uma excelente oportunidade para aplicar conhecimentos de:
Python e desenvolvimento de bots
Inteligência Artificial aplicada a problemas reais
Arquitetura de software desacoplada e escalável
DevOps e automação de processos
Desenvolvimento full-stack com tecnologias modernas
Mais do que um projeto técnico, foi uma experiência de aprendizado sobre como a IA pode ser aplicada para resolver problemas reais e melhorar processos do dia a dia.
Estou animado para continuar evoluindo essa solução e explorando novas possibilidades de automação e inteligência artificial no contexto de DevOps!
Quer Saber Mais?#
Se você tem interesse em:
Implementar uma solução similar
Contribuir com o projeto
Discutir arquitetura e boas práticas
Compartilhar experiências com automação e IA
Entre em contato!